MétaCan
Menu
Retour à la cohorte
Enregistrement W1990987661 · doi:10.5194/gi-1-33-2012

Design and operation of a field telescope for cosmic ray geophysical tomography

2012· article· en· W1990987661 sur OpenAlexaff
Nolwenn Lesparre, J. Marteau, Y. Déclais, Dominique Gibert, B. Carlus, Florence Nicollin, Bruno Kergosien

Notice bibliographique

RevueGeoscientific instrumentation, methods and data systems · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensCarleton University
Organismes subventionnairesInstitut de Physique du Globe de ParisCentre National de la Recherche ScientifiqueInstitut National de Physique Nucléaire et de Physique des ParticulesAgence Nationale de la Recherche
Mots-clésTelescopeSilicon photomultiplierPhysicsMuonScintillatorDetectorPhotomultiplierPhotodetectorCosmic rayCOSMIC cancer databaseOpticsData acquisitionSkyAstronomyComputer scienceNuclear physics

Résumé

récupéré en direct d'OpenAlex

Abstract. The cosmic ray muon tomography gives an access to the density structure of geological targets. In the present article we describe a muon telescope adapted to harsh environmental conditions. In particular the design optimizes the total weight and power consumption to ease the deployment and increase the autonomy of the detector. The muon telescopes consist of at least two scintillator detection matrices readout by photosensors via optical fibres. Two photosensor options have been studied. The baseline option foresees one multianode photomultiplier (MAPM) per matrix. A second option using one multipixel photon counter (MPPC) per bar is under development. The readout electronics and data acquisition system developed for both options are detailed. We present a first data set acquired in open-sky conditions compared with the muon flux detected across geological objects.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,053
Tête enseignante GPT0,355
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeoscientific instrumentation, methods and data systemsMême sujetParticle Detector Development and PerformanceTravaux en français237 207